AI › 산업 AI 응용 › 수율 · 품질 예측

근본 원인 분석(RCA)Root Cause Analysis

불량 · 수율 손실이 확인된 뒤, 공정 · 장비 이력과 센서 데이터로 원인 후보를 좁히고 인과를 확인해 «고치면 재발까지 막는 원인»을 찾는 일이다. 사람의 5 Why · 특성 요인도와 데이터의 경로 비교 · 특징 중요도 · 인과 탐색이 단계를 나눠 맡는다.

1요약

  1. 근본 원인 분석은 수율 · 품질 예측 가운데, 수율 손실이 확인된 뒤 도는 일로, 미국 에너지부 지침은 근본 원인을 «고치면 이 사건과 비슷한 사건의 재발까지 막는 원인»으로 정의해 직접 · 기여 원인과 나눈다(NE-STD-1004-92 2절) — 그 위에서 사람의 5 Why · 특성 요인도와 데이터의 경로 비교 · 특징 중요도 · 인과 탐색이 단계를 나눠 맡는다.
  2. 원인은 단계마다 장비가 여럿인 수백 단계 안에 숨고, 장비 하나가 아니라 장비 조합일 때도 많다(Hsu 외 2012 1절) — 이 글의 합성 사례에서 장비 단독 불량률은 D2 29.4% · E2 32.0% 로 비슷했지만 경로 D2 → E2 만 56.0% 였다.
  3. 「원인 신호를 찾았는데 고쳐도 그대로다」는 같은 장비 안에서도 그 신호가 불량과 함께 움직이는가로 가른다 — 안에서 사라지면 장비를 가리키는 표지 신호이고, 남으면 원인 후보다.

2등장 배경

수율이 떨어지면 엔지니어는 회의실에서 특성 요인도(fishbone)를 그리고 「왜」를 거듭 묻는다. 후보는 참석자가 아는 것에 묶이고, 신호 수백 개와 장비 수십 대의 이력을 손으로 맞대는 사이 원인 장비는 다른 웨이퍼를 계속 처리한다.

Ohno 의 생산 방식 책은 문제 하나에 「왜」를 다섯 번 묻는 습관을 현장 방법으로 퍼뜨렸다(Ohno 2019). 1992년 미국 에너지부는 자료 수집 · 평가 · 시정 · 알림 · 후속 확인의 다섯 단계와 변화 분석 · 장벽 분석 같은 기법 표를 지침으로 묶었다(NE-STD-1004-92 1절). 1991년 Spirtes · Glymour 는 관측 자료에서 인과 그래프를 찾는 PC 알고리즘을 냈고(Spirtes 1991), 2009년 Pearl 은 인과 결론 뒤에는 늘 검증되지 않은 인과 가정이 있다는 원칙과 뒷문 기준을 정리했다(Pearl 2009 2 · 3.3.1절). 2012년 Hsu 외는 장비를 하나씩 고르는 탐색이 장비 조합 원인을 놓친다고 보였다(Hsu 외 2012 1절).

지금은 학습 모델이 후보 좁히기를 맡는다 — 2022년 리뷰가 고른 제조 RCA 논문 30편에서 CNN 이 23% 로 가장 많았다(Papageorgiou 2022). 같은 일을 IT 운영에서는 IT 서비스 관리(ITSM)의 문제 관리가 맡고, 이 글은 제조 불량 · 수율 손실 쪽을 다룬다.

3쉽게 이해하기 — 제빵사 수아의 덜 익은 식빵

빵집 주인 수아는 반죽기 두 대와 오븐 두 대로 하루 60개의 식빵을 굽는다. 열하루째부터 속이 덜 익었다는 손님 불만이 다섯 배로 늘었다. 수아는 작업 장부에서 식빵마다 지난 반죽기 · 오븐을 맞대어 보고, 반죽기 2번에서 오븐 B 로 간 식빵만 덜 익는다는 것을 찾는다. 그 식빵의 반죽 무게를 재어 보니 정비를 받은 반죽기 2번이 반죽을 더 크게 내고 있었고, 타이머로만 굽는 오븐 B 는 큰 반죽을 다 익히지 못했다.

손님 불만 속이 덜 익음 열하루째부터 다섯 배 1 불량 · 문제 정의 작업 장부 식빵마다 기록 반죽기 · 오븐 · 시각 2 공정 · 장비 이력 경로 맞대기 반죽기 × 오븐 넷 2번 → B 만 덜 익음 3 경로 비교 반죽 무게 재기 오븐 B 식빵만 놓고 큰 반죽일수록 덜 익음 4 조건부 비교 왜를 다섯 번 반죽이 왜 커졌나 정비 뒤 무게 확인 없음 5 5 Why · 근본 원인 시험 굽기 같은 반죽을 A · B 로 타이머 늘린 B 도 한 판 6 확인 실험 불량 기록 데이터 데이터로 좁히기 사람의 추론 검증

그림 1 · 수아는 불만을 받고, 장부로 반죽기 · 오븐 경로를 맞대고, 무게를 재고, 왜를 거듭 물은 뒤 시험 굽기로 확인한다.

불만 받기덜 익은 식빵
장부 펴기반죽기 · 오븐 기록
경로 맞대기2번
B 만
무게 재기큰 반죽만 덜 익음
왜 다섯 번정비 뒤 확인 없음
시험 굽기고친 뒤 확인
비유 — 수아의 왜 실제 — 원인 사슬 속이 덜 익었다 오븐 B 는 타이머로만 굽는다 반죽기 2번 반죽이 커졌다 정비 뒤 무게를 재지 않았다 왜 잔막 불량 증상 E2 고정 61초 직접 원인 D2 막 +18 nm 기여 원인 인정 시험 빈칸 근본 원인 굵은 테두리 = 고치면 다음 정비 때 재발까지 막는 원인

그림 2 · 「왜」를 거듭해 내려간 사슬의 끝은 장비가 아니라 절차다 — 오븐 B 를 바꾸면 이번 불만만 줄고, 정비 뒤 확인 절차를 고치면 다음 정비 때도 막힌다.

비유 속 역할실제 이름실제로 하는 일
손님 불만문제 정의불량 이름 · 기간 · 불량률 변화를 숫자로 적는다
작업 장부공정 · 장비 이력웨이퍼마다 지난 단계 · 챔버 · 시각 · 센서 요약 값을 잇는다
경로 맞대기경로 · 공통성 비교장비 하나 · 장비 조합별 불량률을 견준다
반죽 무게원인 신호 · 조건부 비교같은 장비 안에서도 불량과 함께 움직이는 신호를 남긴다
오븐 타이머직접 원인불량을 바로 낸 조건(고정 식각 시간)
왜 다섯 번5 Why · 원인 사슬직접 원인에서 절차 · 관리 원인까지 거슬러 간다
시험 굽기확인 실험원인 조건만 바꾼 웨이퍼로 인과를 확인한다
수아공정 · 수율 엔지니어후보를 장비 지식으로 거르고 시정을 정한다

⚠ 비유가 맞지 않는 곳: 수아는 덜 익은 빵을 손님 불만 하루 만에 알지만, 웨이퍼의 잔막 불량은 수십 단계 뒤 테스트에서야 드러난다. 빵집은 장비가 네 대뿐이라 경로가 넷이지만, 팹은 수백 단계라 조합 수가 사람 손으로 셀 수 없이 많다.

4구조 — 사람 기법과 데이터 기법의 분담

근본 원인 분석은 여섯 단계로 나뉘고, 단계마다 사람과 데이터 · 모델이 맡는 몫이 다르다. 후보를 만드는 일과 인과를 정하는 일은 사람이, 수백 신호 · 수십 장비에서 후보를 좁히는 일은 데이터 기법이 맡는다.

사람 — 공정 지식 · 판단 데이터 · 모델 ① 문제 정의 불량 이름 기간 · 불량률 ② 후보 생성 특성 요인도 변화 분석 ③ 좁히기 장비 · 경로 불량률 비교 ④ 원인 신호 상관 · SHAP 신호 순위 ⑤ 인과 확인 조건부 비교 인과 그래프 ⑥ 확인 · 시정 확인 실험 5 Why · 재발 사람 판단 데이터 · 모델 규칙 검증 점선 구역 = 맡는 쪽

그림 3 · 후보를 만들고 확정하는 일은 사람 쪽에, 후보를 좁히는 세 단계는 데이터 쪽에 있다 — 데이터 기법은 사람 기법 사이에 끼어 일한다.

단계맡는 쪽입력출력대표 기법 · 근거
① 문제 정의사람테스트 결과 · 불량 이름기간 · 불량률 · 범위문제 확인 · 중대성 판단(NE-STD-1004-92 1절)
② 후보 생성사람공정 지식 · 변경 기록후보 목록특성 요인도 · 변화 분석(같은 지침 5.2.2절)
③ 좁히기데이터장비 이력장비 · 조합 순위공통성 · 경로 비교(Hsu 외 2012)
④ 원인 신호데이터 · 모델센서 · 계측 표신호 순위상관 · 특징 중요도 · SHAP
⑤ 인과 확인데이터 + 사람 가정신호 표 + 공정 순서인과 그래프 · 조정한 효과조건부 비교 · PC(Spirtes 1991)
⑥ 확인 · 시정사람설계한 웨이퍼 묶음효과 · 근본 원인 · 시정확인 실험 · 5 Why · 후속 확인

5동작 — 잔막 불량 1,200장의 원인 좁히기

설명용 합성 데이터로 여섯 단계를 끝까지 따라간다 — numpy 2.4.3 · default_rng(0)(시드 0 하나) · 직접 실행(합성 데이터). 가정 값: 하루 60장 × 20일 · 증착 챔버 D1 · D2 → 식각 챔버 E1(종료점 검출 · 10% 추가 식각) · E2(고정 시간 61초 · 식각 속도 8.5 nm/s) 를 무작위로 지나고, 11일에 D2 가 정비를 받아 막이 18 nm 두꺼워진다.

  1. 문제를 정의한다 — 잔막 불량률이 1 ~ 10일 3.2%(19/600)에서 11 ~ 20일 17.8%(107/600)로 오른다.
  2. 변화 분석으로 두 기간 사이 바뀐 것을 장비 이력에서 찾는다 — 11일 D2 정비 한 건이 나오고(NE-STD-1004-92 5.2.2절), 특성 요인도로 장비 · 재료 · 방법 · 사람 후보를 적는다.
  3. 장비 하나씩 비교한다 — 11일 뒤 D2 29.4%(91/310) · E2 32.0%(101/316) 가 둘 다 높아 어느 한쪽으로 정하지 못한다.
  4. 경로로 비교한다 — D2 → E2 가 56.0%(89/159)이고 나머지 세 경로는 1.3 ~ 7.6% 다. 원인은 장비 하나가 아니라 조합이다(Hsu 외 2012 1절).
  5. 신호 순위를 매긴다 — 11일 뒤 600장에서 불량과의 상관은 막 두께 0.35 · 식각 챔버 벽 온도 0.33 · 챔버 압력 −0.03 으로, 벽 온도가 1위와 거의 같다.
  6. 조건부로 다시 본다 — E2 를 지난 316장만 놓으면 벽 온도는 −0.03 으로 사라지고 막 두께는 0.60 으로 남는다. 막 두께 512 nm 이상은 61.9%(83/134) · 505 nm 미만은 3.9%(5/127) 이고, D2 평균 두께는 정비 전 499.9 nm 에서 517.8 nm 가 됐다.
  7. 사슬을 닫고 확인한다 — E2 는 61초 × 8.5 nm/s = 518.5 nm 만 걷어 518 nm 막에 여유가 없다. 「왜」를 거듭하면 정비 뒤 인정 시험에 두께 항목이 없었다는 데 닿고, 두꺼운 D2 웨이퍼 25장씩 확인 실험에서 불량은 E1 1장 · E2 61초 12장 · E2 64초 0장이다.

시드를 0 ~ 9 로 바꿔도 D2 → E2 불량률은 46 ~ 58%, 나머지 경로는 10% 미만이고, 벽 온도는 열 번 모두 상관 1 ~ 2위에 든다.

불량률 — 1,200장 · 하루 60장 1 ~ 10일 · 3.2%(19/600) 11 ~ 20일 · 17.8%(107/600) 1 11일 D2 정비 2 장비 하나씩(11일 뒤) 3 경로(증착 → 식각) 4 5.5% 29.4% 2.1% 32.0% D1 D2 E1 E2 3.0% 7.6% 1.3% 56.0% D1→E1 D1→E2 D2→E1 D2→E2 장비 하나 경로 불량이 몰린 경로 점선 = 정비 전 불량률 3.2%

그림 4 · 장비 단독 막대는 D2 와 E2 가 비슷하게 높지만, 경로 막대는 D2 → E2 하나만 솟는다 — 원인은 조합이다.

인과 그래프(가정) D2 정비 막 두께 E2 고정 61초 잔막 불량 E2 챔버 벽 온도 신호 점선 = 원인 아닌 표지 · 불량으로 가는 길 없음 불량과의 상관 0 0.6 11일 뒤 전체 600장 막 두께 0.35 벽 온도 0.33 압력 −0.03 E2 를 지난 316장만 막 두께 0.60 벽 온도 −0.03 사라짐 인과 사슬 위 신호 표지 · 무관 신호

그림 5 · 벽 온도는 E2 를 가리키는 표지라 E2 안에서 상관이 사라지고, 막 두께는 E2 안에서 더 커진다 — 조건부로 남는 신호만 인과 사슬 위에 있다.

🔑 상관 순위는 «무엇이 불량과 함께 움직였나»를 말하고, 근본 원인 분석은 «그것을 바꾸면 불량이 바뀌나»를 묻는다 — 같은 장비 안에서 다시 보고, 마지막은 확인 실험으로 닫는다.

6비교 — 원인 좁히기 방식 여섯 가지

방식입력출력잘 잡는 원인약한 곳
5 Why · 특성 요인도사람 지식 · 회의원인 사슬 · 후보 목록절차 · 관리 원인(사례 7단계)참석자가 모르는 후보는 없음 · 데이터 검증 없음
변화 분석정상 · 이상 기간의 차이바뀐 요소정비 · 자재 교체 같은 단일 변경뻔한 답을 받아들일 위험(NE-STD-1004-92 표 1)
공통성 · 경로 비교장비 이력장비 · 조합 순위챔버 · 장비 조합(사례 4단계)단계 수만큼 조합이 늘어 우연 겹침이 생김(Hsu 외 2012 1절)
특징 중요도(상관 · SHAP)센서 · 계측 표신호 순위수백 신호 중 함께 움직인 것표지 · 결과 신호도 위로 올림(사례 5단계)
인과 탐색(조건부 비교 · PC)신호 표 + 공정 순서인과 그래프 · 조정한 효과표지 신호를 걸러 낸 원인 신호인과 가정 · 숨은 변수에 기댐(Pearl 2009 2절)
확인 실험(DOE)원인 조건만 바꾼 웨이퍼효과 크기인과 확정웨이퍼 · 장비 시간을 씀(사례 75장)

분석데이터 기법 셋은 «후보를 좁히는» 순서로 쓰고, 근본 원인의 확정은 5 Why 와 확인 실험에 맡긴다. 근거는 사례 5 · 6단계 — 상관 2위 벽 온도는 조건부 비교에서 사라졌고, 인정 시험의 빈칸은 어떤 센서 표에도 없는 절차 원인이었다.

7실무 진단 — 원인 분석이 헛돌 때

분석시정했는데도 불량이 그대로면, 먼저 고른 원인 신호를 같은 장비 안에서 다시 보고, 다음에 장비 조합을, 마지막에 원인 사슬이 절차까지 갔는지 본다. 표지 신호를 고치는 일은 비용만 들고(표 1행), 조합을 놓치면 장비 하나를 세워도 불량이 다른 경로로 남는다(표 2행).

#증상의심 원인단계확인 자료판정 기준(근거)
1상위 신호를 고쳐도 불량이 그대로장비 표지 · 결과 신호를 원인으로 읽음④ · ⑤ 원인 신호장비 · 단계별 조건부 상관같은 장비 안 상관이 0 근처면 표지(사례 0.33 → −0.03 · Pearl 2009 3.3.1절)
2장비 단독 순위 1 · 2위가 비슷함장비 조합 원인③ 좁히기경로별 불량률한 경로만 높으면 조합(사례 56.0% ↔ 7.6% 이하 · Hsu 외 2012 1절)
3시정 뒤 다른 장비에서 같은 불량 재발직접 원인만 고침⑥ 확인 · 시정5 Why 끝 단계 · 비슷한 장비의 절차그 원인을 고치면 비슷한 사건도 막는가(NE-STD-1004-92 2절 근본 원인 정의)
4확인 실험에서 차이가 안 남표본 부족 · 원인 조건을 못 바꿈⑥ 확인 · 시정실험 웨이퍼 수 · 바꾼 조건같은 묶음 안 비교 · 조건 하나만 바꿈(실험 계획법(DOE) 원칙)

8시험 대비

시험에서는 근본 원인 분석의 정의와 전통 기법 · AI 기법의 분담을 쓰는 정의 · 특징형, 그리고 수율 손실이 났을 때 원인을 좁히는 순서를 쓰는 동작 · 절차 설명형이 나올 수 있다. 정의형이면 직접 · 기여 · 근본 원인의 구분과 그림 3 분담을, 절차형이면 그림 4 · 5 의 경로 비교 → 조건부 비교 → 확인 실험 순서를 중심에 둔다.

답안 목차
  1. 개요 — 근본 원인 정의(직접 · 기여 · 근본 원인 · NE-STD-1004-92 2절) · 수율 손실에서 필요한 까닭(조합 원인 · 늦은 테스트)
  2. 절차 · 분담 — 그림 3 여섯 단계(사람 = 정의 · 후보 · 확정 / 데이터 = 좁히기 · 원인 신호 · 인과 확인) + 단계 표
  3. 사례 — 그림 4 장비 단독(D2 29.4% · E2 32.0%) ↔ 경로(D2 → E2 56.0%)
  4. 핵심 원리 — 그림 5 상관 순위와 조건부 비교(벽 온도 0.33 → −0.03) · 인과 그래프 · 인과 가정(Pearl 2009)
  5. 기법 비교 — 5 Why · 변화 분석 · 경로 비교 · 특징 중요도 · 인과 탐색 · 확인 실험 표
  6. 한계 · 발전 — 확인 실험으로 닫기 · 절차 원인은 사람 몫 · 제조 RCA 머신러닝 30편 중 CNN 23%(Papageorgiou 2022)

꼭 쓸 키워드
근본 원인직접 원인기여 원인5 Why특성 요인도변화 분석장비 조합조건부 비교인과 그래프확인 실험

다른 답안과 차이를 내는 한 가지는 그림 5 처럼 «상관 2위 신호가 같은 장비 안에서 사라지는» 숫자를 보이는 것이다 — 「AI 로 원인을 찾는다」 한 줄 대신 0.33 → −0.03 으로 데이터 기법이 후보까지만 낸다는 경계를 보인다.

9오해와 사실

  • 오해특징 중요도 1 ~ 2위 신호가 근본 원인이다.
    사실사례의 벽 온도는 상관 0.33 으로 2위였지만 E2 챔버를 가리키는 표지라 E2 안에서 −0.03 이었다 — 인과 결론에는 데이터 밖의 인과 가정이 필요하다(Pearl 2009 2절).
  • 오해불량률이 가장 높은 장비를 세우면 원인이 없어진다.
    사실사례에서 E2 단독은 32.0% 였지만 D1 → E2 는 7.6% 였고, 막을 두껍게 만든 D2 의 정비 절차가 고쳐야 할 원인이었다.
  • 오해데이터 분석이 있으면 5 Why 는 필요 없다.
    사실근본 원인은 고치면 비슷한 사건의 재발까지 막는 원인이라 관리 · 절차까지 거슬러 가야 하고(NE-STD-1004-92 2절), 인정 시험의 빈칸 같은 원인은 센서 표에 나오지 않는다.

10핵심 정리

구분맡는 쪽묻는 것사례 값실패 신호넘기는 곳
문제 정의 · 후보사람무엇이 언제 바뀌었나3.2% → 17.8% · 11일 D2 정비후보가 회의 참석자 지식뿐경로 · 공통성 비교
경로 · 공통성 비교데이터어느 장비 · 조합을 지났나D2 → E2 56.0%단독 순위 1 · 2위가 비슷원인 신호
특징 중요도모델무엇이 함께 움직였나막 두께 0.35 · 벽 온도 0.33표지 신호가 위로조건부 비교
조건부 비교 · 인과 그래프데이터 + 가정같은 장비 안에서도 남나벽 온도 −0.03 · 두께 0.60숨은 변수 · 가정 오류확인 실험
확인 실험사람바꾸면 불량이 바뀌나E2 61초 12/25 · 64초 0/25표본 부족시정
5 Why · 근본 원인사람고치면 재발까지 막나정비 뒤 인정 시험에 두께 없음직접 원인에서 멈춤시정 · 후속 확인

11참고 문헌

  1. 먼저 볼 문헌
  2. ★ DOE-NE-STD-1004-92 Root Cause Analysis Guidance Document — 직접 · 기여 · 근본 원인의 정의와 조사 다섯 단계 · 변화 분석 같은 전통 기법 표를 볼 때
    U.S. Department of Energy · Office of Nuclear Energy · 1992-02 · www.energy.gov/sites/default/files/2026-04/DOE-NE-STD-1004-92.pdf · 확인 2026-11-12
  3. ★ Causal inference in statistics: An overview (Statistics Surveys 3 96-146) — 상관에서 인과로 넘어가려면 왜 인과 가정이 필요한지 · 뒷문 기준을 볼 때
    J. Pearl · 2009 · doi.org/10.1214/09-SS057 · 확인 2026-11-12
  4. ★ Identifying ill tool combinations via Gibbs sampler for semiconductor manufacturing yield diagnosis (Proceedings of the 2012 Winter Simulation Conference) — 장비 하나씩 찾는 탐색이 장비 조합 원인을 놓치는 까닭을 볼 때
    Y.-C. Hsu · R.-H. Chen · C.-M. Fan · 2012-12 · www.informs-sim.org/wsc12papers/includes/files/inv222.pdf · 확인 2026-11-12
  5. ★ A systematic review on machine learning methods for root cause analysis towards zero-defect manufacturing (Frontiers in Manufacturing Technology 2) — 제조 RCA 에 쓰인 머신러닝 방법의 분포와 남은 과제를 볼 때
    K. Papageorgiou 외 · 2022-10 · doi.org/10.3389/fmtec.2022.972712 · 확인 2026-11-12
  6. 본문 근거
  7. An Algorithm for Fast Recovery of Sparse Causal Graphs (Social Science Computer Review 9(1) 62-72) — P. Spirtes · C. Glymour · 1991-04 · doi.org/10.1177/089443939100900106 · 확인 2026-11-12
  8. Toyota Production System: Beyond Large-Scale Production — T. Ohno · Productivity Press · 2019-12 · doi.org/10.4324/9780429273018 · 확인 2026-11-12
  9. NumPy 2.4 Reference numpy.random.default_rng · numpy.corrcoef — NumPy Developers · 2026-11 · numpy.org/doc/stable/reference/generated/numpy.corrcoef.html · 확인 2026-11-12